Tujuan Analisis

Tujuan dari analisis data ini adalah untuk mengeksplorasi dan memahami pola serta hubungan antar variabel dalam dataset. Visualisasi digunakan untuk menggambarkan distribusi data dan pola yang mungkin tidak terlihat hanya dengan tabe

Visualisasi Data

# Membaca Data
library(readxl)
Data <- read_excel("Data.xlsx")
View(Data)

grafik univariat

  1. Histogram untuk Pendapatan_per_kapita
# Memuat library
library(ggplot2)

# Membuat histogram untuk Pendapatan_per_kapita
ggplot(Data, aes(x = Pendapatan_per_kapita)) +
  geom_histogram(colour= "lightblue", fill = "pink", size = 1, line = ".") +
  labs(title = "Distribusi Pendapatan per Kapita", x = "Pendapatan per Kapita", y = "Frekuensi") +
  theme_classic()
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## Warning in geom_histogram(colour = "lightblue", fill = "pink", size = 1, :
## Ignoring unknown parameters: `line`
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

grafik bivariat

  1. Scatter plot antara Angka_Harapan_Hidup dan Pendapatan_per_kapita
# Memuat library
library(ggplot2)

# Membuat scatter plot antara Angka_Harapan_Hidup dan Pendapatan_per_kapita
ggplot(Data, aes(x = Pendapatan_per_kapita, y = Angka_Harapan_Hidup)) +
  geom_point(colour = "lightblue", alpha = 0.5) +
  labs(title = "Hubungan Antara Pendapatan per Kapita dan Angka Harapan Hidup", 
       x = "Pendapatan per Kapita", y = "Angka Harapan Hidup") +
  theme_classic()

  1. Bar chart untuk Pendapatan per Kapita berdasarkan Benua
# Memuat library
library(ggplot2)

# Membuat bar chart untuk Pendapatan per Kapita berdasarkan Benua
ggplot(Data, aes(x = Benua, y = Pendapatan_per_kapita, fill = Benua)) +
  geom_bar(stat = "identity") +
  labs(title = "Pendapatan per Kapita berdasarkan Benua", 
       x = "Benua", y = "Pendapatan per Kapita") +
  theme_classic() +
  theme(legend.position = "none") +
  scale_fill_manual(values = c("asia" = "lightblue", "africa" = "lightgreen", "europe" = "purple", "americas" = "#DDA0DD"))

grafik multivariat

  1. Heatmap antara Pendapatan per kapita, Populasi, dan Angka Harapan Hidup
# Memuat library
library(ggplot2)

# Membuat heatmap antara Pendapatan_per_kapita, Populasi, dan Angka_Harapan_Hidup
ggplot(Data, aes(x = Pendapatan_per_kapita, y = Populasi, fill = Angka_Harapan_Hidup)) +
  geom_tile() +
  scale_fill_gradient(low = "lightgreen", high = "purple") +
  labs(title = "Heatmap: Pendapatan per Kapita, Populasi, dan Angka Harapan Hidup",
       x = "Pendapatan per Kapita", y = "Populasi", fill = "Angka Harapan Hidup") +
  theme_classic()

  1. 3D scatter plot dengan Angka Harapan Hidup, Pendapatan per kapita, dan Populasi
# Memuat library
library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
# Membuat 3D scatter plot dengan Angka_Harapan_Hidup, Pendapatan_per_kapita, dan Populasi
plot_ly(Data, 
        x = ~Pendapatan_per_kapita, 
        y = ~Angka_Harapan_Hidup, 
        z = ~Populasi,  # bisa diganti dengan variabel lain, misal Jumlah_Anak
        type = "scatter3d", 
        mode = "markers",
        color = ~Benua,  # Warna berdasarkan benua
        colors = c('lightgreen', '#DDA0DD', 'lightblue', 'purple'),  # Menentukan warna
        marker = list(size = 5)) %>%
  layout(title = "3D Scatter Plot: Pendapatan per Kapita, Angka Harapan Hidup, dan Populasi",
         scene = list(
           xaxis = list(title = "Pendapatan per Kapita"),
           yaxis = list(title = "Angka Harapan Hidup"),
           zaxis = list(title = "Populasi")
         ))

grafik interaktif

  1. library plotly
# Memuat library plotly
library(plotly)

# Membuat plotly scatter plot
fig <- plot_ly(Data, x = ~Pendapatan_per_kapita, y = ~Angka_Harapan_Hidup, 
               type = 'scatter', mode = 'markers', 
               marker = list(color = 'rgba(255, 182, 193, .9)', size = 5)) %>%
  layout(title = "Scatter Plot Interaktif: Pendapatan per Kapita vs Angka Harapan Hidup",
         xaxis = list(title = "Pendapatan per Kapita"),
         yaxis = list(title = "Angka Harapan Hidup"))

# Menampilkan plot
fig

Kesimpulan

Dari analisis dan visualisasi data ini, dapat disimpulkan beberapa hal berikut:

  1. Pendapatan per Kapita dan Angka Harapan Hidup: Terdapat hubungan positif antara pendapatan per kapita dengan angka harapan hidup. Negara dengan pendapatan per kapita yang lebih tinggi cenderung memiliki angka harapan hidup yang lebih panjang.
  2. Distribusi Pendapatan: Berdasarkan visualisasi bar chart, terdapat perbedaan yang mencolok dalam pendapatan per kapita antar benua. Benua Eropa dan Amerika umumnya memiliki pendapatan per kapita yang lebih tinggi dibandingkan dengan Asia dan Afrika.
  3. Heatmap Hubungan Pendapatan, Populasi, dan Angka Harapan Hidup: Visualisasi heatmap menunjukkan hubungan antara pendapatan per kapita, populasi, dan angka harapan hidup, dengan warna yang lebih gelap menandakan angka harapan hidup yang lebih tinggi, umumnya ditemukan pada negara dengan pendapatan tinggi.
  4. 3D Scatter Plot: 3D scatter plot memberikan gambaran yang lebih jelas mengenai hubungan antara pendapatan per kapita, angka harapan hidup, dan populasi, yang memperlihatkan variasi di antara negara-negara dengan ukuran populasi yang berbeda.
  5. Grafik Interaktif: Plot interaktif menggunakan plotly memungkinkan pengguna untuk mengeksplorasi hubungan antara pendapatan per kapita dan angka harapan hidup secara dinamis dengan fitur zoom dan hover.